China behauptet TOP500-Führung im Hyperscale-Rechenzentrumsranking mit den wenigsten Neuzugängen seit 33 Jahren
LineShine aus Shenzhen hält 2,198 ExaFLOPS mit 13,7 Millionen Kernen, während die TOP500 die wenigsten neuen Maschinen seit 33 Jahren verzeichnet
Technische Daten
- LineShine vereint 13.789.440 Kerne in LX2-Prozessoren mit 304 Kernen, ohne dedizierte Beschleuniger
- El Capitan erreicht 1,809 ExaFLOPS bei 29,69 MW und ist energieeffizienter als der chinesische Spitzenreiter
- Jupiter Booster aus Deutschland führt bei der Energieeffizienz mit 1,0 ExaFLOPS bei 15,79 MW
China bleibt an der Spitze des wissenschaftlichen Weltcomputings. Die LineShine, installiert im Nationalen Supercomputing-Zentrum von Shenzhen, hält 2,198 ExaFLOPS FP64-Leistung im High Performance Linpack (HPL) Benchmark bei einem Verbrauch von 42,22 MW — eine Position, die das Land an der Spitze des TOP500-Rankings hält.
Die Zahl, die den Ton dieser Ausgabe angibt, ist jedoch eine andere: Die Liste verzeichnet die wenigsten neuen Systeme seit 33 Jahren. In der Praxis entzieht die Nachfrage der Hyperscaler nach KI-Hardware das Angebot an neuen Maschinen, und traditionelle Supercomputer haben an Priorität in den Lieferketten verloren.
Eine Architektur nur aus CPUs
Die LineShine läuft auf der LingKun-Plattform mit LX2-Prozessoren mit 304 Kernen auf Arm-Basis bei 1,55 GHz, insgesamt 13.789.440 Kerne, dazu das proprietäre Interconnect LingQi.
Sie ist die einzige unter den fünf Maschinen der Exascale-Klasse, die ohne dedizierte Rechenbeschleuniger betrieben wird. Diese Wahl erklärt den Gewinn von nur 3,6x beim Wechsel von FP64 auf gemischte Präzision — ein Ergebnis, das unter dem von Systemen mit Niedrigpräzisions-Beschleunigern liegt.
Das amerikanische Trio und das Rennen um das Watt
Die Vereinigten Staaten belegen die folgenden Plätze mit drei Exascale-Systemen. Der El Capitan am Lawrence Livermore National Laboratory nutzt AMD Instinct MI300A APUs auf der HPE Cray EX255a-Plattform und liefert 1,809 ExaFLOPS bei 29,69 MW — deutlich energieeffizienter als der chinesische Spitzenreiter.
Der Frontier am Oak Ridge National Laboratory kombiniert AMD EPYC-Prozessoren der 3. Generation mit Instinct MI250X GPUs, um 1,353 ExaFLOPS bei 24,61 MW zu erreichen. Der Aurora am Argonne National Laboratory wiederum, gestützt auf Xeon CPU Max 9470 und Data Center GPU Max-Beschleuniger, kommt auf 1,012 ExaFLOPS bei 38,70 MW.
Die drei amerikanischen Systeme teilen dieselbe Basis: HPE Cray EX-Plattformen und den Slingshot-11-Interconnect.
Die deutsche Effizienz
Der Jupiter Booster des Jülich Supercomputing Centre in Deutschland verwendet Nvidia GH200 Grace Hopper Superchips, die BullSequana XH3000-Plattform und den Quad-Rail-InfiniBand NDR200-Interconnect von Nvidia. Das sind 1,0 ExaFLOPS bei 15,79 MW.
Mit dieser Zahl bleibt die deutsche Maschine der energieeffizienteste Exascale-Supercomputer der gesamten Liste — ein direkter Kontrast zum CPU-dichten Modell der LineShine.
Ein eingefrorenes Ranking
Weder die zehn leistungsstärksten Systeme noch die zehn energieeffizientesten haben seit Juni ihre Position verändert. Die Stagnation, zusammen mit dem Mangel an Neuzugängen, zeichnet einen langsameren Erneuerungszyklus als üblich im Hochleistungsrechnen ab.
Der genannte Grund ist der Druck der KI-Rechenzentren, die Beschleuniger und Speicher mit hoher Bandbreite absorbieren, bevor diese Komponenten die nationalen Labore erreichen. Ohne Beschleuniger gewinnen Maschinen wie LineShine relativ an Raum — verlieren aber an Energieeffizienz.
Praktische Auswirkungen
Auf technischer Ebene offenbart die ausschließlich auf CPUs basierende Führung eine Architekturgabelung: Systeme ohne Beschleuniger skalieren in Kernen, konvertieren aber Leistung schlechter für reduzierte Präzisionen — genau das Regime, das beim Training und bei der Inferenz von KI-Modellen verwendet wird.
Auf operativer Ebene verteuert der Mangel an neuen Systemen die Erneuerung der Labore und verlängert die Lebensdauer bereits installierter Geräte, wodurch die Kosten pro geliefertem ExaFLOPS steigen und die Kluft zwischen wissenschaftlicher Infrastruktur und kommerzieller Nachfrage nach beschleunigtem Rechnen wächst.